使用 pivot_longer 将列分隔为长格式

Question

我有一个非有限长度的 df，如下表所示。 这里的示例只有 2 个特征：“脂质”和“密度”。其他行可能有 50 个或更多特征。但将始终具有相同的特征、单位、方法模式。使用 read_excel 导入 R 时，它会将非唯一名称更改为 xxx...[col.number]。我想使用 pivot_longer 将数据从宽转换为长格式。我在操作该函数时遇到了困难，希望能得到一些帮助。我想要的最终列名是 geno_name、observation_id、trait、value、unit、method

样本数据

所需的输出（不带 drop_na 语句来显示示例）

x <- structure(list(geno_name = "MB mixed", observation_id = 10, lipids = NA, 
    unit...3 = NA, method...4 = NA, density = 1.125, unit...6 = "g cm^-3", 
    method...7 = "3D scanning"), class = "data.frame", row.names = c(NA,-1L))

到目前为止我有：

x %>% pivot_longer(
    cols = 3:ncol(x),
    names_to = c("trait","unit","method"),
    #need help with these other arguments
    values_drop_na = T)

Answer 1

要以“长”格式使用的数据列名称在列名称中的模式并不相同。因此，包含的步骤是

• 通过添加带有paste/str_c 的列来重命名列名中没有... 或_ 的列

• 使用pivot_longer 重塑为长格式 - 考虑到名称中带有names_sep 或names_pattern 的模式，将names_to 指定为c(".value", "trait") 的向量，其顺序与我们想要列值的顺序相同以及要存储为单独列的后缀值

• 一旦我们重构，根据“特征”中的值创建一个分组列（其中一些是数字 - 创建一个逻辑向量并获得累积和）以及其他分组“geno_name”、“observation_id”（但它不会创建一个唯一的列））

• 现在summarise 其他列通过在基于 NA 元素排序后切片第一行，即如果没有 NA，第一个值将是非 NA，否则它将是 NA

library(dplyr)
library(stringr)
library(tidyr)
x %>%
   rename_at(vars(names(.)[!str_detect(names(.), "[_.]+")]), 
       ~ str_c("value...", .)) %>%
   pivot_longer(cols = 3:ncol(.), 
      names_to = c(".value", "trait"), names_sep = "\\.+") %>% 
   group_by(geno_name, observation_id, 
       grp = cumsum(str_detect(trait, "\\D+"))) %>%
   summarise(across(everything(), ~ .[order(is.na(.))][1]),
         .groups = 'drop') %>%
   select(-grp)

-输出

# A tibble: 2 x 6
#  geno_name observation_id trait   value unit    method     
#  <chr>              <dbl> <chr>   <dbl> <chr>   <chr>      
#1 MB mixed              10 lipids  NA    <NA>    <NA>       
#2 MB mixed              10 density  1.12 g cm^-3 3D scanning

数据

x <- structure(list(geno_name = "MB mixed", observation_id = 10, lipids = NA, 
    unit...3 = NA, method...4 = NA, density = 1.125, unit...6 = "g cm^-3", 
    method...7 = "3D scanning"), class = "data.frame", row.names = c(NA, 
-1L))